Una comparación empírica de algoritmos de aprendizaje automático versus aprendizaje profundo para la detección de noticias falsas en redes sociales

Abstract

Las redes sociales se han convertido en uno de los principales canales de información del ser humano debido a la inmediatez e interactividad social que ofrecen, permitiendo en algunos casos publicar lo que cada usuario considere pertinente. Esto ha traído consigo la generación de noticias falsas o Fake News, publicaciones que solo buscan generar incertidumbre, desinformación o sesgar la opinión de los lectores. Se ha evidenciado que el ser humano no es capaz de identificar en su totalidad si un artículo es realmente un hecho o bien una Fake News, debido a esto es que surgen modelos que buscan caracterizar e identificar artículos basados en minería de datos y machine learning. Este artículo compara empíricamente distintos esquemas de machine learning y deep learning en la tarea de identificar fake news. Para ello se utilizan conjuntos de datos extraídos desde el estado del arte. Los resultados obtenidos en base a la técnica de muestreo utilizado y la representación vectorial Tf-Idf del corpus, indica una mejora significativa en el accuracy en contraste a los resultados obtenidos en el estado del arte considerando el repositorio FakeNewsNet.Alternate :Social networks have become one of the leading information channels for human beings due to the immediacy and social interactivity they offer, allowing, in some cases, to publish what each user considers relevant. This usage has brought with it the generation of false news or Fake News, publications that only seek to generate uncertainty, misinformation, or skew the readers' opinion. It has been shown that the human being is not able to fully identify whether an article is actually a fact or a Fake News;due to this, models that seek to characterize and identify articles based on data mining and machine learning emerge. This article empirically compares different machine learning and deep learning schemes to identify fake news;data sets extracted from state of the art are used to accomplish this. The results obtained based on the sampling technique used and the Tf-Idf vector representation of the corpus indicate a significant improvement in accuracy in contrast to the results obtained in the state of the art considering the FakeNewsNet repository.